Sunum yükleniyor. Lütfen bekleyiniz

Sunum yükleniyor. Lütfen bekleyiniz

Sürekli Olasılık Dağılım (Birikimli-Kümülatif)Fonksiyonu

Benzer bir sunumlar


... konulu sunumlar: "Sürekli Olasılık Dağılım (Birikimli-Kümülatif)Fonksiyonu"— Sunum transkripti:

1 Sürekli Olasılık Dağılım (Birikimli-Kümülatif)Fonksiyonu
Örnek: X rassal değişkeninin olasılık yoğunluk fonksiyonu şöyle verilmiştir. a) Yukarıdaki fonksiyonun olasılık yoğunluk fonksiyonu olabilmesi için k ne olmalıdır? b) Olasılık dağılım fonksiyonunu (dağılım fonksiyonu) belirleyiniz. c) Olasılık dağılım fonksiyonundan hareketle P(0,2<X<0.6) olasılığını bulunuz.

2 Sürekli Olasılık Dağılım (Birikimli-Kümülatif)Fonksiyonu
Çözüm: a) Yukarıdaki fonksiyonun olasılık yoğunluk fonksiyonu (oyf) olabilmesi için aşağıdaki iki şartın sağlanması gerekir. Birinci şart için k katsayısının pozitif olması yeterlidir. Şu halde 2. şartın sağlanması gerekir.

3 Sürekli Olasılık Dağılım (Birikimli-Kümülatif)Fonksiyonu
Bu durumda oyf şöyle yazılır. b) Olasılık dağılım fonksiyonu (odf)

4 Sürekli Olasılık Dağılım (Birikimli-Kümülatif)Fonksiyonu
c)

5 Dağılım fonksiyonunun özellikleri
Dağılım fonksiyonu aşağıdaki iki önemli özelliğe sahiptir. Teorem 1) a) F olasılık dağılım fonksiyonu azalmayan bir fonksiyondur. x2>x1 olmak üzere F(x2)>F(x1) olur. b)

6 Dağılım fonksiyonunun özellikleri
Teorem 2) a) F(x) olasılık dağılım fonksiyonu, f(x) olasılık yoğunluk fonksiyonuna sahip sürekli bir rassal değişkenin kümülatif fonksiyonu olsun. Bu durumda her x için; ilişkisi vardır. b) X, x1<x2<x3… gibi sıralı x1, x2, x3 … değerlerini alabilen kesikli rassal bir değişken olsun. F(x), X’in dağılım fonksiyonu ise bu takdirde; f(x1)=P(X=x1)=F(x1), f(x2)=P(X=x2)=F(x2)-F(x1) ve nihayet f(xi)=P(X=xi)=F(xi)-F(xi-1) olur.

7 Olasılık Dağılım Fonksiyonu
Örnek: Bir akaryakıt istasyonuna günün belli bir zaman diliminde 10 dakikada gelen araç sayılarının olasılık dağılım fonksiyonu aşağıda verilmiştir. Bu verilerden hareketle bu 10 dakikada gelen araç sayılarının olasılık yoğunluk fonksiyonunu belirleyiniz.

8 Olasılık Dağılım Fonksiyonu
Çözüm: Olasılık yoğunluk fonksiyonu

9 Sürekli Olasılık Dağılım (Birikimli-Kümülatif) Fonksiyonu
Örnek: Aşağıda f(x) olasılık yoğunluk fonksiyonu verilmiştir. f(x) in olasılık yoğunluk fonksiyonu olabilmesi için c sınır değeri ne olmalıdır? P(X<c/3) olasılığını bulunuz. F(x) olasılık dağılım fonksiyonunu bulunuz. P(X>3,5) olasılığını bulunuz.

10

11

12 İki veya Daha Çok Boyutlu Rassal Değişkenlerin Dağılımı
Çoğu zaman belli bir olay üzerinde sadece bir karakteristiğin değil birden çok karakteristiğin aynı anda gözlenmesi ile ilgilenilir. Mesela bir Mamulün kalitesi için sadece boyut değil, bunun yanında sertliği, yüzey düzgünlüğü gibi birden dazla özelliği dikkate alınır. Bir insanın fiziki durumu için sadece uzunluğu değil ağırlığı da birlikte ele alınır. Yukarıdaki örneklerde olduğu gibi bir olayı etkileyen iki ya da daha fazla karakteristiğin ortak etkilerini belirleyebilmek için bileşik olasılık dağılımlarından yararlanılır.

13 İki veya Daha Çok Boyutlu Rassal Değişkenlerin Dağılımı
Örnek Bir para ile yapılan 3 atış deneyinde X: yazı sayısı, Y: ilk iki atışta tura gelme sayısı değişkeni olmak üzere X, Y nin bileşik olasılık fonksiyonunu oluşturunuz. Bunun için S örnek uzayı, X ve Y nin karşılık gelen değerleri aşağıda verilmiştir. S TTT TTY TYT YTT TYY YTY YYT YYY X 1 2 3 Y

14 İki veya Daha Çok Boyutlu Rassal Değişkenlerin Dağılımı
Yukarıdaki X ve Y kesikli rassal değişkenlerinin bileşik olasılık fonksiyonu şöyle yazılır. Y X 1 2 Satır Toplamı 1/8 X için olasılık fonksiyonu fx(x) 2/8 3/8 3 Sütun Toplamı 4/8 Y için olasılık fonksiyonu fy(y)

15 İki veya Daha Çok Boyutlu Rassal Değişkenlerin Dağılımı
Tanım: Bileşik olasılık yoğunluk fonksiyonu: X ve Y sıralı ikilisi bir S örnek uzayında tanımlanan iki boyutlu kesikli rassal değişkenler olsun. X, Y nin alabileceği değerler (xi,yj) i=1,2,….M ve j=1,2,…,N olmak üzere aşağıdaki şartları sağlayan f(xi,yj) = fxy(xi,yj) = P(X=xi, Y=yj) Fonksiyonuna X,Y rassal değişkenlerinin bileşik olasılık yoğunluk fonksiyonu adı verilir. f(xi,yj) fonksiyonunun bileşik olasılık fonksiyonu olabilmesi için gerekli şartlar:

16 İki veya Daha Çok Boyutlu Rassal Değişkenlerin Dağılımı
f(xi,yj) fonksiyonunun bileşik olasılık fonksiyonu olabilmesi için gerekli şartlar: X,Y kesikli rassal değişkenlerinin bileşik olasılık fonksiyonu yukarıdaki tabloda verilmiştir. Bu tablodan X ve Y nin olasılık fonksiyonları elde edilebilir.

17 İki veya Daha Çok Boyutlu Rassal Değişkenlerin Dağılımı (Marjinal fonksiyonlar)
Bir bileşik olasılık fonksiyonundan hareketle diğer değişkenlerin etkilerinden bağımsız olarak tek bir değişkene ait olasılıkları veren fonksiyona marjinal olasılık yoğunluk fonksiyonu adı verilir. X kesikli rassal değişkeni için marjinal olasılık fonksiyonu şöyle ifade edilir. Benzer şekilde Y için marjinal yoğunluk fonksiyonu olur.

18 İki veya Daha Çok Boyutlu Rassal Değişkenlerin Dağılımı (Marjinal fonksiyonlar)
Kesikli X,Y değişkenleri bileşik olasılık ve marjinal olasılık fonksiyonları Y X Y1 Y2 YN Toplam [fx(xi)] X’in marjinal olasılık yoğunluk fonksiyonu X1 f(x1,y1) f(x1,y2) f(x1,yN) fx(x1) X2 f(x2,y1) f(x2,y2) f(x2,yN) fx(x2) XM f(xM,y1) f(xM,y2) f(xM,yN) fx(xM) Toplam [fy(yi)] fy(y1) fy(y2) fy(yN) 1 Y’nin marjinal olasılık yoğunluk fonksiyonu

19 İki veya Daha Çok Boyutlu Rassal Değişkenlerin Dağılımı (Marjinal fonksiyonlar)
Örnek: X ve Y takımlarının yaptıkları maçlarda attıkları gol saylarının bileşik olasılık fonksiyonu aşağıda verilmiştir. a) X takımının Y ile yaptığı bir maçı kazanma olasılığını bulunuz b) Berabere kalma olasılıklarını bulunuz. c) Her iki takım için marjinal olasılık fonksiyonunu bulunuz.

20 İki veya Daha Çok Boyutlu Rassal Değişkenlerin Dağılımı (Marjinal fonksiyonlar)
Y takımının attığı gol sayısı X takımının attığı gol sayısı c fy(yi) 1 2 3 0,1 0,15 0,05 0,4 0,03 0,28 0,07 0,04 0,21 0,02 0,11 c)fx(xi) 0,25 0,34 0,24 0,17

21 İki veya Daha Çok Boyutlu Rassal Değişkenlerin Dağılımı (Marjinal fonksiyonlar)
a) X takımının kazanma olasılığı: P(X>Y) = 0,15+0,1+0,05+0,05+0,03+0,04  P(X>Y) = 0,42 b) X ile Y nin berabere kalma olasılığı: P(X=Y) = 0,1+0,1+0,05+0,05  P(X=Y) = 0,3

22 İki veya Daha Çok Boyutlu Sürekli Rassal Değişkenlerin Dağılımı
Tanım: Sürekli rassal değişken: (X,Y) bir Öklit düzleminin bir R bölgesindeki tüm değerleri alan iki boyutlu sürekli bir rassal değişken olsun. Aşağıdaki şartları sağlayan bir f fonksiyonuna (X,Y) nin bileşik olasılık yoğunluk fonksiyonu adı verilir. 2. şart Z=f(x,y) denklemiyle verilen yüzeyin altındaki hacmin 1’e eşit olduğunu ifade eder. f(x,y) R düzlemindeki bütün x,y değerleri için tanımlı olduğu düşünülürse 2. şart

23 İki veya Daha Çok Boyutlu Sürekli Rassal Değişkenlerin Dağılımı (Marjinal fonksiyonlar)
f(x,y) sürekli bileşik olasılık fonksiyonu verildiğinde X için marjinal olasılık yoğunluk fonksiyonu şöyle yazılır: Benzer şekilde Y için marjinal olasılık yoğunluk fonksiyonu

24 Marjinal Olasılık Fonksiyonları (Marjinal olasılık yoğunluk fonksiyonu)
Marjinal olasılık dağılım fonksiyonları: Bir rassal değişkenin diğer değişkenlerden bağımsız olarak olasılıklarını veren fonksiyona marjinal yoğunluk fonksiyonu adı verilir. X ve Y kesikli rassal değişkenlerinin bileşik olasılık yoğunluk fonksiyonu f(x,y) olmak üzere marjinal olasılık yoğunluk fonksiyonları şöyle yazılır.

25 İki veya Daha Çok Boyutlu Sürekli Rassal Değişkenlerin Dağılımı
Örnek: Aşağıda bir bileşik fonksiyon verilmiştir. a) Yukarıdaki fonksiyonun olasılık yoğunluk fonksiyonu olabilmesi için k ne olmalıdır? b) P(X<1; Y>2) olasılığını bulunuz. c) fx(x) marjinal olasılık yoğunluk fonksiyonunu bulunuz. d) fy(y) marjinal olasılık yoğunluk fonksiyonunu bulunuz.

26

27


"Sürekli Olasılık Dağılım (Birikimli-Kümülatif)Fonksiyonu" indir ppt

Benzer bir sunumlar


Google Reklamları